多核并行技术在Image Quilting纹理合成算法中的应用

针对Image Quilting纹理合成算法的新旧纹理块拼接特点,研究了一种创建多任务实现纹理块切割拼接的并行编程模式.设计了重叠区域缝合路径计算的多任务模块函数iq(),利用MATLAB多核集群中创建的调度器将子任务分配到各个节点上并行执行计算.实验结果表明,该算法获得了较好的加速比,提高了多核CPU的使用效率,有效地提升了多核计算机资源的利用率.     

SVM在多目标跟踪中的回波分类及并行化研究

在蒙特卡罗联合概率数据关联滤波(MC-JPDAF)算法基础上提出了SVM-MC-JPDAF算法,采用支持向量机(SVM)分类技术,针对跟踪门交叉区域的有效回波进行特别分类。通过仿真实验,算法有效地降低了失跟率以及目标估计值的均方根误差(RMSE),并且对算法实现了并行化,在提高性能的同时控制了算法的执行负担。     

GPU并行计算在LSSVM股票预测上的研究与应用

金融市场股票的价格预测是投资者们关心的热门问题,随着股票数据规模以及样本维数的日益庞大,人们对于股票预测算法在保证准确之外的预测速度也提出了更高的要求。在最小二乘支持向量机(LSSVM)股票预测算法的基础上,提出一种适宜支持向量机的GPU并行计算模型。实验证明,新方法不仅可以保证预测的精度,而且可以大大缩短预测时间。该方法可以广泛运用到金融领域的大规模数据处理以及预测中,具有较高的应用价值。     

基于Matlab多核集群的人脸识别算法的并行化设计

为了充分利用多核处理器资源,研究了多线程构建模块并行编程模式,从而提高程序的性能。在Matlab集群环境下对主成分分析(PCA)人脸识别算法设计了训练识别生成样本的功能模块train(),通过任务分割实现了算法的并行化。实验结果表明,94.167%的稳定识别率和趋近线性的加速比验证了并行算法的正确性和高效性。